O impacto da inteligência artificial no setor segurador

Detalhes bibliográficos
Autor(a) principal: Santos, Mariana Nunes dos
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10362/132163
Resumo: Relatório com vista à obtenção do grau de Mestre em Direito e Mercados Financeiros
id RCAP_e1959c8d4804fea9d4e73446df2bd6dc
oai_identifier_str oai:run.unl.pt:10362/132163
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling O impacto da inteligência artificial no setor seguradorquando os algoritmos discriminamInteligência artificialAtividade seguradoraSistemas de aprendizagem automáticaDiscriminaçãoIgualdade de tratamentoAvaliação do riscoPrémio de seguroArtificial intelligenceInsurance industryMachine learning systemsDiscriminationEqual treatmentRisk assessmentInsurance premiumDireitoRelatório com vista à obtenção do grau de Mestre em Direito e Mercados FinanceirosOs sistemas de aprendizagem automática estão a ser utlizados para otimizar, aperfeiçoar e inovar segmentos empresariais por diferentes setores económicos em todo o mundo, inclusive pelo setor segurador. Os algoritmos, tal como um vírus, podem proliferar informação a uma escala massiva e a um ritmo acelerado de controlo difícil. Através de uma amostra de dados, o algoritmo treina-se a aprender cada vez mais com a informação que recebe e processa ao longo do tempo. Os algoritmos, por si só, desenvolvem-se e propagam-se tão rapidamente quanto é necessário para um simples duplo clique na Internet. Atualmente existem ainda questões que apresentam entraves à implementação de sistemas de IA no cálculo do prémio do seguro focadas ao nível dos dados, da sua pouca representatividade em relação à realidade subjacente, da escolha do modelo a utilizar e das suas caraterísticas/variáveis a considerar e, por fim, ao nível da supervisão e interpretação humana das decisões algorítmicas. Se estas questões não forem acauteladas, cada caso que se desvie da norma algorítmica será mais difícil de avaliar e, consequentemente, conduzirá a uma decisão discriminatória ou, em alguns casos, à exclusão da cobertura do seguro pretendido. Estamos perante um setor que prevê medidas de mitigação da discriminação, mas que, de momento, proporciona abertura ao incumprimento das suas próprias normas na conversão da utilização dos métodos tradicionais existentes para a utilização da IA. Dado o impacto direto do setor segurador nas nossas vidas na esfera individual e coletiva, esta é uma atividade que deve ser classificada de alto risco com a implementação da IA nos seus processos. São, por isso, necessárias medidas que promovam a certeza jurídica no cumprimento da legislação atual aplicável, assim como a adaptação e/ou criação de um enquadramento legislativo que permita controlar o risco de proliferação de práticas de discriminação proibidas pelo setor. De modo a evitar resultados discriminatórios nos sistemas de aprendizagem automática no cálculo do prémio do seguro, a identificação de preconceitos incluídos nos dados recolhidos, a auditoria aos modelos utilizados e softwares existentes, assim como a total compreensão humana das decisões automatizadas conduzirão a uma IA comercialmente confiável do ponto de vista utilizador, legalmente segura e eticamente aceitável. Onde uma utilização ética destes sistemas não for possível e os direitos fundamentais estiverem em jogo – como atualmente estão -, deve ser questionado o seu uso. Caso contrário, a implementação destes sistemas contribuirá para a criação de um ciclo tóxico que sustentará os preconceitos antigos e desenvolverá novos preconceitos.Machine learning systems are being used to optimise, enhance and innovate business segments across different economic sectors worldwide, including the insurance sector. Algorithms, just like a virus, can proliferate information on a massive scale and at a rapid pace that is difficult to control. Through a data sample, the algorithm trains itself to learn more and more from the information it receives and processes over time. Algorithms themselves develop and spread as quickly as it is necessary for a simple double-click on the Internet. Currently, there are still issues that bring barriers to the implementation of AI systems in the calculation of the insurance premium. These issues are mainly related to the data itself, the low representativeness in relation to the underlying reality, the choice of the model to be used and the characteristics/variables to be considered and, finally, to the level of supervision and human interpretation of algorithmic decisions. If these issues are not taken into account, each case which deviates from the algorithmic norm will be more difficult to assess and will consequently lead to a discriminatory decision or, in some cases, to the exclusion of the desired insurance cover. We are speaking about a sector that has already measures in place to mitigate discrimination, but for the time being provides now openness to non-compliance with its own standards by converting the use of its existing traditional methods to the use of AI. Given the direct impact of the insurance industry on our individual and collective lives, this is an activity that should be classified as high risk with the implementation of AI in its processes. Therefore, measures are needed to promote legal certainty in compliance with the current legislation, as well as the revision and/or creation of a legislative framework to control the risk of proliferation of discrimination practices prohibited by the industry. In order to avoid discriminatory results in machine learning systems in the calculation of the insurance premium, it is important to identify bias included in the dataset, to audit the models used and existing software, as well as a full understanding of machine learning decisions in order to have a commercially reliable AI from the user's point of view, which is legally secure and ethically acceptable.Rego, Margarida LimaRUNSantos, Mariana Nunes dos2023-11-02T01:30:50Z2021-01-132020-11-022021-01-13T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/132163TID:202678547porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-11T05:10:52Zoai:run.unl.pt:10362/132163Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:47:22.768312Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv O impacto da inteligência artificial no setor segurador
quando os algoritmos discriminam
title O impacto da inteligência artificial no setor segurador
spellingShingle O impacto da inteligência artificial no setor segurador
Santos, Mariana Nunes dos
Inteligência artificial
Atividade seguradora
Sistemas de aprendizagem automática
Discriminação
Igualdade de tratamento
Avaliação do risco
Prémio de seguro
Artificial intelligence
Insurance industry
Machine learning systems
Discrimination
Equal treatment
Risk assessment
Insurance premium
Direito
title_short O impacto da inteligência artificial no setor segurador
title_full O impacto da inteligência artificial no setor segurador
title_fullStr O impacto da inteligência artificial no setor segurador
title_full_unstemmed O impacto da inteligência artificial no setor segurador
title_sort O impacto da inteligência artificial no setor segurador
author Santos, Mariana Nunes dos
author_facet Santos, Mariana Nunes dos
author_role author
dc.contributor.none.fl_str_mv Rego, Margarida Lima
RUN
dc.contributor.author.fl_str_mv Santos, Mariana Nunes dos
dc.subject.por.fl_str_mv Inteligência artificial
Atividade seguradora
Sistemas de aprendizagem automática
Discriminação
Igualdade de tratamento
Avaliação do risco
Prémio de seguro
Artificial intelligence
Insurance industry
Machine learning systems
Discrimination
Equal treatment
Risk assessment
Insurance premium
Direito
topic Inteligência artificial
Atividade seguradora
Sistemas de aprendizagem automática
Discriminação
Igualdade de tratamento
Avaliação do risco
Prémio de seguro
Artificial intelligence
Insurance industry
Machine learning systems
Discrimination
Equal treatment
Risk assessment
Insurance premium
Direito
description Relatório com vista à obtenção do grau de Mestre em Direito e Mercados Financeiros
publishDate 2020
dc.date.none.fl_str_mv 2020-11-02
2021-01-13
2021-01-13T00:00:00Z
2023-11-02T01:30:50Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10362/132163
TID:202678547
url http://hdl.handle.net/10362/132163
identifier_str_mv TID:202678547
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799138076626255872

Registros relacionados